XiaoMi-AI文件搜索系统
World File Search System高分辨率
使用不同的热量指标对主要欧洲城市的环境热量进行高分辨率预测
Euro-Cordex Ensemble提供了目前从整个欧洲的气候模型预测合奏中获得的最佳空间决议，并可以分析在城市一级的极端温度和热浪风险的风险。我们专注于三个基于温度的热量指标 - 年度最高温度，温度超过30℃的天数和热浪幅度每日（HWMID）（HWMID），以分析欧洲与1981 - 2010年的欧洲3℃下在欧洲3°C变暖的预测基于欧元 - 基于欧元 - 汇款的集合。申请表明，南欧城市将特别受到高水平的环境热量的影响，但取决于所考虑的指标，中部，东部和北欧的城市也可能会经历大量升高。在几个城市中，周围热量的预测在三个热量指标上有很大差异，表明基于单个度量的eSTES可能低估了由于热应力而导致的不良健康影响的情况。夜间环境热量，基于每日最低温度进行量化，显示与白天条件相似的空间模式，
通过GAN反演的隐式嵌入式高分辨率胸部X光片
摘要。生成模型允许创建高度现实的人造样品，从而在医学成像中开放了有希望的应用。在这项工作中，我们提出了一种基于多阶段编码器的方法，以将生成对抗网络（GAN）的发电机倒入高分子胸部X光片。这可以直接访问其隐式形成的潜在空间，使生成模型更容易被研究人员访问，并使其能够将生成技术应用于实际患者的图像。我们研究了此嵌入的各种应用程序，包括图像压缩，编码数据集中的分离，引导图像ma-nipulation以及创建程式化样品的创建。我们发现，这种类型的GAN反转是胸部X光片建模领域的一个有希望的研究方向，并为将现实的X射线样品合成与放射学图像分析结合起来开辟了新的方法。
新型高分辨率、高通道数薄膜电极在人体微皮层电图仪术中的应用及早期经验
1 俄勒冈州波特兰市俄勒冈健康与科学大学神经外科系；2 马萨诸塞州波士顿市麻省总医院神经内科系；3 马萨诸塞州波士顿市哈佛医学院；加利福尼亚州圣地亚哥市加利福尼亚大学神经外科系、电气与计算机工程系和神经内科系；6 韩国蔚山市蔚山国立科学技术研究所生物医学工程系；7 佛罗里达州迈阿密市尼克劳斯儿童医院神经外科系；8 加利福尼亚州拉霍亚市加利福尼亚大学圣地亚哥分校生殖科学与医学中心妇产科和生殖科学系；9 韩国首尔市崇实大学；10 韩国蔚山市蔚山国立科学技术研究所；11 俄勒冈州波特兰市俄勒冈健康与科学大学帕佩家庭儿科研究所；以及 12 加利福尼亚州帕洛阿尔托市斯坦福大学神经外科系
DTS0191 - 高分辨率电动偏振控制器
OZ Optics 方便且经济高效的电动旋转器能够精确控制单个光学平台或具有多个光路的多平台系统的偏振状态。这些旋转器可以通过单个紧凑型控制单元进行控制和同步，以按顺序或并行执行精确旋转。控制单元与处理器和触摸屏一起集成在一个手掌大小的外壳中，通过直观的图形用户界面 (GUI) 控制多个电机。无论系统复杂程度如何，都可以通过可定制的 GUI 实现和启用即插即用功能，以满足苛刻的应用要求。
使用 Neuropixels 探针对猕猴初级视觉皮层进行高分辨率层状识别
。CC-BY 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 1 月 24 日发布。；https://doi.org/10.1101/2024.01.23.576944 doi：bioRxiv 预印本
基于2019 - 2021年ADS-B（GAIA）的高分辨率全球航空排放清单
摘要。分散到地球大气中的航空排放会影响气候和空气污染，由于异质飞机活动而具有显着的时空变化。在本文中，我们使用源自自动依赖的监视 - 路广播（ADS-B）遥测和2019 - 2021年重新分析天气数据来开发基于ADS-B（GAIA）的全球航空排放库存的历史轨迹。在2019年，使用283 tg的燃料共同行驶了610亿公里，导致CO 2，无X和非挥发性颗粒物（NVPM）质量（NVPM）质量（NVPM），分别为893 TG，4.49 TG，21.4 GG和21.4 GG和2.8×10 26。全球对COVID-19的反应导致年度距离距离自身和CO 2的减少，而2020年无X发射（ - 相对于2019年，分别为 - 43％， - 48％和 - 50％）和2021（分别为 - 31％， - 41％和 - 41％和 - 41％和 - 41％和 - 41％和 - 43％），具有明显的区域性变异性。持续时间<3 h的短期空间占所有阶段的83％，但仅占2019年CO 2的35％，而长期持续时间> 6 h（占所有（所有（占所有（占））的持续时间为5％），持续时间为43％，占没有X X发射的49％的43％。在全球范围内，实际上的轨迹平均比原点和目的地机场之间的大圆路径高5％，但这会随区域和飞行距离而变化。对伦敦和新加坡之间8705个独特的战斗的评估显示出巨大的变化，在轨迹轨迹，燃料消耗和排放指数中。Gaia捕获了航空活动和排放的时空分布，并提供在未来的研究中使用，以评估全球航空引起的负面外部性。
高分辨率和对比度7特斯拉MR脑成像新生儿
1 London Collaborative Ultra High Field System (LoCUS), King ' s College London, London, United Kingdom, 2 Guys and St Thomas ' NHS Foundation Trust, London, United Kingdom, 3 Centre for the Developing Brain, School of Biomedical Engineering and Imaging Sciences, King ' s College London, London, United Kingdom, 4 Biomedical Engineering Department, School of Biomedical Engineering and Imaging Sciences, King ' s College London, London, United王国，5先生研究合作，西门子医疗保健有限公司，伦敦，英国，6 MRC神经发育障碍中心，国王学院伦敦国王学院，伦敦，联合王国，7生物医学图像技术，ETSITelecomunicaciCión，Madrid and Ciber-Bbn，ISCII和Madrid，Madrid，Madrid，Madrid，Madrid，Madrid，Madrid，Madrid，Madrid，Madrid，神经发育科学，精神病学研究所，心理学和神经科学研究所，伦敦国王学院，英国伦敦，9先生，放射科先生，放射科，大奥蒙德街儿童医院，伦敦，英国，
使用伊比利亚深度学习的CMIP6地球系统和全球气候模型的高分辨率降低
摘要。深度学习（DL）方法最近引起了气候变化社区的关注，因为它采用了一种创新的方法来缩小地球系统和全球气候模型（ES-GCM）的气候变量，而水平的决议仍然太粗糙，无法将区域范围用于本地刻板现象。在耦合模型对比计划第6阶段（CMIP6）的背景下，在范围为0.70至3.75℃的决议中，对克林率变更（IPCC）的第六次评估报告（AR6）进行了ESGCM模拟。在这里，评估了四个卷积神经网络（CNN）档案的降级能力，到伊比利亚半岛上的0.1°，七个CMIP6 ESGCM的分辨率，这是一个已知的气候变化热点，这是由于其未来预测的未来变暖和干燥条件的脆弱性。该研究分为三个阶段：（1）评估四个CNN体系结构在预测平均值，最低和最高温度以及使用ERE5数据训练并与IBERIA01观察数据集进行比较的每日降水方面的性能； （2）使用训练有素的CNN体系结构对CMIP6 ESGCM进行缩小，并进一步评估与Iberia01的合奏； （3）结合基于CNN的降尺度投影的多模型集合，以在伊比利亚半岛上以0.1◦分辨率在整个21世纪的整个21世纪共享共享社会经济途径（SSP）方案。此外，使用ESGCM cli-div>的高分辨率DL降尺合奏的优点在验证和令人满意的性能评估后，DL降尺度的投影证明了与CMIP6 ESGCM合奏的总体一致，以进行温度投影，并符合预计温度和降水变化的符号。
高分辨率成像设施：向O'Neal Cancer Center提供前沿成像和分析
具有亚微米和同时拉曼光谱能力的Mirage-LS光热红外（O-PTIR）显微镜提供了广泛的大分子特征，可在空间尺度上对材料和生物标本的材料标本<500nm，允许在IR光谱中与亚细胞分辨率在Raman和Raman中匹配的IR光谱，并允许与Raman匹配。Mirage-LS能够成像具有生命科学中多种应用的各种生物学和材料样品，包括癌症研究和药物输送，微塑料，聚合物等。
对比，参加并扩散从大脑活动中解码高分辨率图像
通过功能磁共振成像（fMRI）记录的神经反应解码视觉刺激（FMRI）呈现出认知神经科学和机器学习之间的有趣相交，这是理解人类视觉感知的有希望的进步。然而，由于fMRI信号的嘈杂和脑视觉表示的复杂模式，任务是具有挑战性的。为了减轻这些挑战，我们引入了两个阶段fMRI表示框架。第一阶段预训练fMRI功能学习者，其提议的双对抗性掩码自动编码器可以学习DENOCORED表示。第二阶段调谐功能学习者，以通过图像自动编码器的指导来了解视觉重建最有用的神经激活模式。优化的FMRI功能学习者然后调节了一个潜在扩散模型，以重建大脑活动的图像刺激。实验结果证明了我们的模型在产生高分辨率和语义准确的图像方面的优势，从39中实质上超过了先前的最新方法。在50道路-TOP-1语义分类精度中的34％。代码实现将在https://github.com/soinx0629/vis_dec_neurips/上提供。